4. 成本结构拆解
MongoDB 容量增长带来的成本压力，往往不是单一账单项在涨，而是多个成本维度同时被放大。要治理成本，第一步不是立刻降配或删数据，而是把云数据库账单拆成可归因的几块：实例规格费、存储费、备份费、跨区流量费、运维人力成本。只有把每一块与业务行为、数据增长、访问模式对应起来，才能判断哪些是刚性成本、哪些是浪费、哪些可以通过架构调整转移或压缩。
下面这张图把五类成本放在同一条“容量增长驱动链”上，展示它们如何被数据量、写入量、副本数、备份策略和跨区部署共同放大。图中箭头方向表示成本随容量增长的传导路径，而不是操作步骤。
一、实例规格费：不是“越大越贵”，而是“匹配度”决定性价比
云数据库实例规格费通常按“节点规格 × 节点数 × 运行小时”计费。MongoDB 副本集至少三节点，分片集群还要叠加 mongos 与 config server，因此规格费往往是账单中占比最大的一块。判断规格是否合理，不能只看 CPU 使用率，还要看内存命中率、IOPS 饱和度、连接数峰值。一个常见误区是：CPU 长期 20% 就认为可以降配，但实际瓶颈可能在内存不足导致大量磁盘读，或 IOPS 已经打满。
实操中建议按以下顺序判断：先看 db.serverStatus().mem 中 resident 与 virtual 的比例，再看 wiredTiger.cache 的 bytes read into cache 是否持续增长。如果 cache 命中率低于 95%，说明工作集已超出内存，此时降配会直接导致性能崩塌。反之，如果 cache 命中率长期高于 99%、CPU 峰值低于 40%、IOPS 低于规格上限的 50%，才具备降配空间。降配前应先在低峰期做一次滚动测试，观察 P99 延迟变化。
二、存储费用：数据、索引与 oplog 的三重叠加
存储费按实际占用 GB·月计费，但 MongoDB 的“实际占用”往往比业务数据大得多。它包括：集合数据、索引、oplog、以及 WiredTiger 的预分配与碎片空间。一个 100 GB 的业务集合，如果建了 5 个复合索引，索引可能再占 30～50 GB；oplog 默认按小时窗口滚动，高写入场景下也可能占用数十 GB。因此，存储治理的第一步是量化“数据 : 索引 : oplog”的比例。
可以通过 db.stats() 查看 dataSize 与 storageSize，通过 db.collection.stats() 查看 totalIndexSize。如果 storageSize 远大于 dataSize，说明碎片或预分配严重，可考虑在低峰期执行 compact 或重建集合。对于历史数据，应按时间字段做冷热分离：热数据保留在高性能存储，冷数据归档到低频存储或对象存储，可显著降低单位 GB 成本。
三、备份费用：保留策略是最大的成本杠杆
备份费用由“快照大小 × 保留份数 × 存储单价”决定。云数据库通常支持自动快照与 oplog 增量备份，但很多团队默认保留 30 天甚至 90 天，且未做分级。实际上，最近 7 天的备份用于快速恢复，7～30 天的备份用于合规审计，30 天以上的备份可以转低频或归档。如果业务允许，还可以对非核心库降低备份频率，从每日一次改为每周一次。
一个可执行的检查表如下：
- 核心交易库：每日全量 + 持续 oplog，保留 30 天，其中 7 天内高频可快速恢复。
- 用户行为库：每日全量，保留 14 天，30 天以上转归档存储。
- 日志/临时库：每周全量，保留 7 天，或直接不备份，依赖上游重放。
四、跨区流量费：写入放大与副本同步的隐性成本
跨区流量费常被忽略，因为它在账单中占比不大，但增长速度快。MongoDB 跨区副本集或分片集群中，每次写入都要同步到其他区域的节点，产生出站流量。如果写入量为 100 GB/天，跨 2 个区域，则每天出站流量约 200 GB，按月累计可达 6 TB。若跨区还承载读请求，流量会进一步放大。
治理思路有三条：一是就近写入，让主节点位于写入量最大的区域，减少跨区同步距离；二是异步副本，对一致性要求不高的分析型副本使用异步同步，降低同步频率；三是压缩传输，启用 MongoDB 的压缩选项（如 snappy、zstd），减少实际出站字节数。需要注意的是，压缩会消耗 CPU，需在实例规格上留出余量。
五、运维人力成本：最容易被低估的一块
运维人力成本不直接出现在云账单中，但它是真实存在的。包括：日常监控告警处理、慢查询优化、索引调整、版本升级、故障应急、容量规划等。一个中等规模 MongoDB 集群，如果缺乏自动化，可能需要 0.5～1 个专职 DBA 的投入。按人力成本折算，这部分可能占总体拥有成本的 10%～20%。
降低人力成本的核心是自动化与标准化：用监控平台自动采集 serverStatus、collStats、currentOp 等指标；用脚本自动生成索引建议；用基础设施即代码管理集群配置；用混沌演练验证故障切换。自动化程度越高，单位容量所需人力越少，成本曲线越平缓。